一种基于支持向量机的高铁电能质量数据的分类方法技术

本发明专利技术涉及一种基于支持向量机（SVM）的高速铁路电能质量数据的分类方法，包括如下步骤：（1）将高铁电能质量监测数据进行预处理后作为训练和测试样本集；（2）进行支持向量机训练；（3）基于支持向量机的回归特征消去法（SVM_RFE）进行高铁负荷电能质量的特征选择；（4）综合分类正确率和特征子集的个数对特征子集进行优劣评估，确定最优的特征子集；（5）利用最优特征子集训练支持向量机SVM；（6）利用最终的支持向量机模型对高铁电能质量的样本数据进行识别，获得高铁电能质量数据的分类。该发明专利技术从海量监测数据中提取高铁运行时的数据，并能选择出能反映高铁运行时的电能质量特征，为电能质量数据的挖掘分类提供了一种思路和方法。

【技术实现步骤摘要】
一种基于支持向量机的高铁电能质量数据的分类方法
本专利技术涉及电能质量数据分类方法，具体涉及一种基于支持向量机的高铁电能质量数据的分类方法。
技术介绍
随着以特高压电网为骨干网架、各级电网协调发展的坚强智能电网建设加快，电网中产生电能质量扰动的因素不断增加，使得电网所遭受的电能质量问题也日趋严重。为加强电网电能质量管理，我国部分省（市）电力公司如上海、江苏、福建、山西、辽宁、江西、河南、湖南等先后建立了全省（市）的电能质量监测系统，部分省公司也建立了省内的多个地市级电能质量监测系统。目前各省（市）电能质量监测系统基本达到了电能质量基本数据采集、报表生成等功能，但在电能质量信息挖掘方面，还缺乏高级分析技术，致使采集到的海量电能质量监测数据得不到充分利用，造成了严重的数据浪费。针对这种情况，亟需开展电能质量数据挖掘技术，从电能质量数据中提取有用的信息，从而使电能质量监测系统更好地服务于电网规划、运行和检修等。然而，电能质量监测数据是一种多维海量数据集，其包括有效值数据和波形数据，并且包括电压偏差、频率偏差、谐波、间谐波、电压波动与闪变、三相不平衡度、电压暂升、电压暂降和电压短时中断等多种本文档来自技高网...

【技术保护点】
一种基于支持向量机的高铁电能质量数据的分类方法，其特征在于，所述方法包括下述步骤：（1）通过在线的电能质量监测仪获取高铁电能质量监测数据，进行预处理后作为训练样本集；（2）利用训练样本集训练支持向量机SVM，获得SVM模型、训练样本集及测试样本集的分类正确率；（3）基于支持向量机的回归特征消去法进行高铁负荷电能质量的特征选择；（4）综合分类正确率和特征子集的个数对特征子集进行优劣评估，确定最优特征子集；（5）利用最优特征子集训练支持向量机SVM，获得最终的支持向量机模型；（6）利用最终的支持向量机模型对高铁电能质量的样本数据进行识别，获得高铁电能质量数据的分类。

【技术特征摘要】
1.一种基于支持向量机的高铁电能质量数据的分类方法，其特征在于，所述方法包括下述步骤：(1)通过在线的电能质量监测仪获取高铁电能质量监测数据，进行预处理后作为训练样本集；所述步骤(1)中，预处理包括：①将每3秒采样的高铁电能质量监测数据，每20个采样数据进行平均处理，转化为每分钟1个样本数据；②将样本数据按照每个特征进行归一化处理；假设x′i＝(x′i,1,x′i,2,...,x′i,m)是第i个原始数据样本，具有m个特征，x′i,j为第i个样本的第j个特征的值；归一化的表达式如下：其中，N表示共有N个样本数据，x'max和x'min分别为第j个特征的数据向量的最大值和最小值；x'mid为最大值和最小值的平均值；xi,j为归一化后的值；则归一化后的第i个数据样本为xi＝(xi,1,xi,2,...,xi,m)；(2)利用训练样本集训练支持向量机SVM，获得SVM模型、训练样本集及测试样本集的分类正确率；(3)基于支持向量机的回归特征消去法进行高铁负荷电能质量的特征选择；(4)综合分类正确率和特征子集的个数对特征子集进行优劣评估，确定最优特征子集；(5)利用最优特征子集训练支持向量机SVM，获得最终的支持向量机模型；(6)利用最终的支持向量机模型对高铁电能质量的样本数据进行识别，获得高铁电能质量数据的分类；所述步骤(1)中，所述训练样本集是将样本数据xi和高铁运行状态yi＝[+1，-1]相对应，即将有高铁运行状态的电能质量数据样本判为标识“+1”的类别；将其余数据样本判为标识“-1”的类别，最终形成归一化后的样本集为n为样本数量；所述步骤(2)中，所述支持向量机SVM，是一个二分模式的分类器；建立支持向量机SVM模型指的是寻找最优分类面，其...

【专利技术属性】
技术研发人员：杨岑玉，王同勋，周胜军，
申请(专利权)人：国家电网公司，国网智能电网研究院，
类型：发明
国别省市：